CN112784997B - 标注复核方法、装置、设备、存储介质以及程序产品 - Google Patents

Abstract

本公开公开了标注复核方法、装置、设备、存储介质以及程序产品，涉及计算机视觉、自然语言处理、深度学习等人工智能技术领域。该方法的一具体实施方式包括：将训练数据拆分成多个数据块；将多个数据块调度到训练池，以及利用训练池中的数据块对模型进行多轮训练；基于模型的输出从多个数据块中确定出多个错误标注的数据块，其中，错误标注的数据块中包括错误标注的训练数据；将多个错误标注的数据块中的至少部分数据块调度到复核池，以及对复核池中的数据块进行标注复核；利用复核后的数据块继续对模型进行训练。该实施方式能够在模型的训练数据量大的情况下，减少修复错误标注的耗时。

Description

标注复核方法、装置、设备、存储介质以及程序产品

技术领域

本公开涉及计算机技术领域，具体涉及计算机视觉、自然语言处理、深度学习等人工智能技术领域，尤其涉及标注复核方法、装置、设备、存储介质以及程序产品。

背景技术

人工智能(Artificial Intelligence，AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。

利用机器学习方法训练出来的各种模型能够以人类智能相似的方式做出反应。在实际应用中，模型训练所使用到的训练数据的标注经常会存在错误。在复核错误标注时往往需要停止训练，待复核完毕再继续进行训练。在训练数据量很大的情况下，会花费大量时间。

发明内容

本公开提供了一种标注复核方法、装置、设备、存储介质以及程序产品。

根据本公开的第一方面，提供了一种标注复核方法，包括：将训练数据拆分成多个数据块；将多个数据块调度到训练池，以及利用训练池中的数据块对模型进行多轮训练；基于模型的输出从多个数据块中确定出多个错误标注的数据块，其中，错误标注的数据块中包括错误标注的训练数据；将多个错误标注的数据块中的至少部分数据块调度到复核池，以及对复核池中的数据块进行标注复核；利用复核后的数据块继续对模型进行训练。

根据本公开的第二方面，提供了一种标注复核装置，包括：拆分模块，被配置成将训练数据拆分成多个数据块，其中，训练数据包括标注文本和标注图像中的至少一项；调度及训练模块，被配置成将多个数据块调度到训练池，以及利用训练池中的数据块对模型进行多轮训练；确定模块，被配置成基于模型的输出从多个数据块中确定出多个错误标注的数据块，其中，错误标注的数据块中包括错误标注的训练数据；调度及复核模块，被配置成将多个错误标注的数据块中的至少部分数据块调度到复核池，以及对复核池中的数据块进行标注复核；训练模块，被配置成利用复核后的数据块继续对模型进行训练。

根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据如第一方面中任一实现方式描述的方法。

本公开提供的标注复核方法、装置、设备、存储介质以及程序产品，首先将训练数据拆分成多个数据块；之后将多个数据块调度到训练池，以及利用训练池中的数据块对模型进行多轮训练；而后基于模型的输出从多个数据块中确定出多个错误标注的数据块；然后将多个错误标注的数据块中的至少部分数据块调度到复核池，以及对复核池中的数据块进行标注复核；最后利用复核后的数据块继续对模型进行训练。标注复核和模型训练并行，训练数据调用以模块化进行，不会对模型训练产生影响，提升版本迭代速度。在模型的训练数据量大的情况下，减少修复错误标注的耗时。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公申请的限定。其中：

图1是根据本公开的标注复核方法的一个实施例的流程图；

图2是根据本公开的标注复核方法的又一个实施例的流程图；

图3是可以实现图2所示的实施例的标注复核方法的场景图；

图4是根据本公开的标注复核装置的一个实施例的结构示意图；

图5是用来实现本公开实施例的标注复核方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了根据本公开的标注复核方法的一个实施例的流程100。该标注复核方法包括以下步骤：

步骤101，将训练数据拆分成多个数据块。

在本实施例中，标注复核方法的执行主体可以将训练数据拆分成多个数据块。其中，每个数据块包括的数据量基本一样。并且，每个数据块会记录该数据块参与训练的轮数。

其中，训练数据可以用于对模型进行训练，包括但不限于标注文本、标注图像、标注语音和标注视频等。例如，若模型是自然语言处理模型，训练数据可以是标注文本。又例如，若模型是图像识别模型，训练数据可以是标注图像。再例如，若模型是视频分类模型，训练数据可以是标注视频。

步骤102，将多个数据块调度到训练池，以及利用训练池中的数据块对模型进行多轮训练。

在本实施例中，上述执行主体可以将多个数据块调度到训练池，以及利用训练池中的数据块对模型进行多轮训练。其中，训练数据可以以数据块为单位流入训练池。训练池可以用于为模型输送训练数据。在初始阶段，数据块全部在训练池中。

步骤103，基于模型的输出从多个数据块中确定出多个错误标注的数据块。

在本实施例中，上述执行主体可以基于模型的输出从多个数据块中确定出多个错误标注的数据块。

通常，在训练一定轮数之后，利用模型的输出可以挑选出标注错误的训练数据。而包括错误标注的训练数据的数据块是错误标注的数据块。具体地，上述执行主体可以首先将训练数据输入模型，得到模型的输出；然后计算模型的输出与训练数据的标注的差异；最后若模型的输出与训练数据的标注的差异较大，则确定该训练数据是错误标注的训练数据。而该训练数据所属的数据块就是错误标注的数据块。

步骤104，将多个错误标注的数据块中的至少部分数据块调度到复核池，以及对复核池中的数据块进行标注复核。

在本实施例中，上述执行主体可以将多个错误标注的数据块中的至少部分数据块调度到复核池，以及对复核池中的数据块进行标注复核。

通常，部分或全部错误标注的数据块可以以数据块为单位流入复核池。复核池可以用于存储需要复核的训练数据，并在其中进行标注复核。其中，复核池中的数据块可以通过现有的人工复核方式或其他复核方式进行复核。在复核错误标注的数据块时，只需要复核其中错误标注的训练数据即可。例如，对错误标注的数据块中包括的错误标注的训练数据进行人工复核，并根据复核结果对错误标注的训练数据重新进行标注，得到复核后的数据块。

在本实施例的一些可选的实现方式中，在仅部分错误标注的数据块流入复核池的情况下，上述执行主体可以将剩余部分错误标注的数据块调度进缓冲池。其中，缓冲池可以用于临时存储数据块。在训练池中的数据块不足时，可以从缓冲池流入训练池。从而实现数据块在训练池、复核池和缓冲池三个数据池中循环流动。

步骤105，利用复核后的数据块继续对模型进行训练。

在本实施例中，上述执行主体可以利用复核后的数据块继续对模型进行训练。例如，将复核后的数据块调度到训练池，以及利用训练池中的数据块对模型继续训练。又例如，将复核后的数据块调度到缓冲池，在训练池中的数据块不足时，可以从缓冲池流入训练池。从而实现数据块在训练池、复核池和缓冲池三个数据池中循环流动。

本公开实施例提供的标注复核方法，首先将训练数据拆分成多个数据块；之后将多个数据块调度到训练池，以及利用训练池中的数据块对模型进行多轮训练；而后基于模型的输出从多个数据块中确定出多个错误标注的数据块；然后将多个错误标注的数据块中的至少部分数据块调度到复核池，以及对复核池中的数据块进行标注复核；最后利用复核后的数据块继续对模型进行训练。标注复核和模型训练并行，训练数据调用以模块化进行，不会对模型训练产生影响，提升版本迭代速度。在模型的训练数据量大的情况下，减少修复错误标注的耗时。

继续参考图2，其示出了根据本公开的标注复核方法的又一个实施例的流程200。该标注复核方法包括以下步骤：

步骤201，将训练数据拆分成多个数据块。

步骤202，将多个数据块调度到训练池。

步骤203，利用训练池中的数据块对模型进行多轮训练。

步骤204，基于模型的输出从多个数据块中确定出多个错误标注的数据块。

步骤205，将多个错误标注的数据块中的至少部分数据块调度到复核池。

在本实施例中，步骤201-205具体操作已在图1所示的实施例中步骤101-104进行了详细的介绍，在此不再赘述。

步骤206，确定复核池中的数据块的数量是否超过第一预设阈值。

在本实施例中，在错误标注的数据块以数据块为单位流入复核池的过程中，标注复核方法的执行主体可以确定复核池中的数据块的数量是否超过第一预设阈值。若不超过第一预设阈值，返回执行步骤205；若超过第一预设阈值，执行步骤207。

步骤207，暂停向复核池调度数据块。

在本实施例中，若复核池中的数据块的数量超过第一预设阈值，暂停向复核池调度数据块。限制复核池中的数据块的数量，能够保证缓冲池和训练池中有足够的数据块用于模型训练，从而使标注复核过程中，模型一直处于训练状态。

步骤208，将多个错误标注的数据块中的剩余部分数据块调度到缓冲池。

在本实施例中，上述执行主体可以将多个错误标注的数据块中的剩余部分数据块调度到缓冲池。其中，缓冲池可以用于临时存储数据块。在训练池中的数据块不足时，可以从缓冲池流入训练池。从而实现数据块在训练池、复核池和缓冲池三个数据池中循环流动。

步骤209，对复核池中的数据块进行标注复核。

在本实施例中，步骤209具体操作已在图1所示的实施例中步骤101-104进行了详细的介绍，在此不再赘述。

步骤210，将复核后的数据块调度到缓冲池。

在本实施例中，上述执行主体可以将复核后的数据块调度到缓冲池，用于数据块的临时存储。

步骤211，将缓冲池中的数据块调度到训练池。

在本实施例中，上述执行主体可以将缓冲池中的数据块调度到训练池，返回执行步骤203，利用训练池中的数据块继续对模型进行训练。

数据块首先流入训练池，在训练池中进行模型训练。训练池中的错误标注的数据块中的至少部分数据块流入复核池，在复核池中进行标注复核。训练池中的错误标注的数据块中的剩余部分数据块流入缓冲池，在缓冲池中进行临时存储。复核池中的复核后的数据块流入缓冲池。缓冲池中的数据块流入训练池，在训练池中继续进行模型训练。从而实现数据块在训练池、复核池和缓冲池三个数据池中循环流动，使得标注复核和模型训练并行。

在本实施例的一些可选的实现方式中，在模型训练过程中，上述执行主体还可以确定训练池中的数据块的数量是否少于第二预设阈值。若训练池中的数据块的数量少于第二预设阈值，上述执行主体可以从缓冲池批量调度数据块到训练池。在训练池中的数据块不足时，可以及时从缓冲池流入训练池，模型训练不会被中断。

在本实施例的一些可选的实现方式中，在模型训练过程中，上述执行主体还可以确定缓冲池中的数据块的训练轮数；基于训练轮数选取数据块，以及将所选取的数据块调度到训练池。通常，上述执行主体可以优先选取训练轮数少的数据块调度到训练池。因为训练轮数较少的数据块存在被误认为错误标注的概率，将训练轮数少的数据块调度到训练池进行模型训练，可以提升数据块的召回率。

在本实施例的一些可选的实现方式中，在模型训练过程中，上述执行主体可以确定缓冲池是否为空。若缓冲池为空，说明错误标注的数据块的数量较少，直接训练模型不会对模型造成大的影响。此时，上述执行主体可以不再将训练完的数据块送入复核池和缓冲池，而直接调度到训练池。若缓冲池不为空，说明错误标注的数据块的数量较多，上述执行主体可以将训练完的数据块送入复核池和缓冲池。

在本实施例的一些可选的实现方式中，在模型训练过程中，上述执行主体可以确定数据块的训练轮数。若训练轮数达到第三预设阈值，说明该数据块的训练轮数已经达到最大次数。此时，上述执行主体可以将该数据块移出整个流程。若训练轮数未达到第三预设阈值，上述执行主体可以继续利用该数据块进行模型训练。

从图2中可以看出，与图1对应的实施例相比，本实施例中的标注复核方法增加了缓冲池临时存储数据块的步骤。由此，本实施例描述的方案中需要复核的数据块是依据模型的输出选出的，并且只会有一小部分数据块进入复核池。限制复核池中的数据块的数量，降低了人力成本。数据块在训练池、复核池和缓冲池三个数据池中循环流动，使得标注复核和模型训练并行。在模型训练过程中会进行多次复核，能够提升发现错误的概率。

为了便于理解，图3提供了可以实现图2所示的实施例的标注复核方法的场景图。如图3所示，训练数据拆分成多个数据块。在初始阶段，数据块全部调度到训练池。训练池为模型输入数据块进行模型训练。基于模型的输出确定数据块中数据是否有标注错误。若有标注错误，在复核池未满的情况下，将有标注错误的数据块调度到复核池；在复核池已满的情况下，将剩余有标注错误的数据块调度到复核池。若无标注错误，将无标注错误的数据块调度到缓冲池。复核池中的数据块进行标注复核，复核完毕的数据块调度到缓冲池。缓冲池中的数据块调度到训练池，继续为模型输入数据块进行模型训练。此外，在训练池中的数据块不足且缓冲池为空的情况下，训练完的数据块不再送入复核池和缓冲池，而直接调度到训练池。

进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种标注复核装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的标注复核装置400可以包括：拆分模块401、调度及训练模块402、确定模块403和调度及复核模块404。其中，拆分模块401，被配置成将训练数据拆分成多个数据块，其中，训练数据包括标注文本和标注图像中的至少一项；调度及训练模块402，被配置成将多个数据块调度到训练池，以及利用训练池中的数据块对模型进行多轮训练；确定模块403，被配置成基于模型的输出从多个数据块中确定出多个错误标注的数据块，其中，错误标注的数据块中包括错误标注的训练数据；调度及复核模块404，被配置成将多个错误标注的数据块中的至少部分数据块调度到复核池，以及对复核池中的数据块进行标注复核；训练模块405，被配置成利用复核后的数据块继续对模型进行训练。

在本实施例中，标注复核装置400中：拆分模块401、调度及训练模块402、确定模块403、调度及复核模块404和训练模块405的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤101-105的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，训练模块405进一步被配置成：将复核后的数据块调度到缓冲池；将缓冲池中的数据块调度到训练池；利用训练池中的数据块继续对模型进行训练。

在本实施例的一些可选的实现方式中，调度及复核模块404还被配置成：将多个错误标注的数据块中的剩余部分数据块调度到缓冲池。

在本实施例的一些可选的实现方式中，调度及复核模块404进一步被配置成：若复核池中的数据块的数量超过第一预设阈值，暂停向复核池调度数据块。

在本实施例的一些可选的实现方式中，标注复核装置400还包括：第一调度模块，被配置成若训练池中的数据块的数量少于第二预设阈值，从缓冲池批量调度数据块到训练池。

在本实施例的一些可选的实现方式中，第一调度模块进一步被配置成：确定缓冲池中的数据块的训练轮数；基于训练轮数选取数据块，以及将所选取的数据块调度到训练池。

在本实施例的一些可选的实现方式中，标注复核装置400还包括：第二调度模块，被配置成若缓冲池为空，将训练完的数据块直接调度到训练池。

在本实施例的一些可选的实现方式中，标注复核装置400还包括：移出模块，被配置成将训练轮数达到第三预设阈值的数据块移出。

在本实施例的一些可选的实现方式中，训练数据包括标注文本、标注图像、标注语音和标注视频中的至少一项。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如标注复核方法。例如，在一些实施例中，标注复核方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的标注复核方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行标注复核方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (18)

1.一种标注复核方法，包括：

将训练数据拆分成多个数据块；

将所述多个数据块调度到训练池，以及利用所述训练池中的数据块对模型进行多轮训练；

基于所述模型的输出从所述多个数据块中确定出多个错误标注的数据块，其中，所述错误标注的数据块中包括错误标注的训练数据；

将所述多个错误标注的数据块中的至少部分数据块调度到复核池，以及对所述复核池中的数据块进行标注复核；

利用复核后的数据块继续对所述模型进行训练；

其中，所述利用复核后的数据块继续对所述模型进行训练，包括：

将所述复核后的数据块调度到缓冲池；

将所述缓冲池中的数据块调度到所述训练池；

利用所述训练池中的数据块继续对所述模型进行训练。

2.根据权利要求1所述的方法，其中，在所述将所述多个错误标注的数据块中的至少部分数据块调度到复核池之后，还包括：

将所述多个错误标注的数据块中的剩余部分数据块调度到所述缓冲池。

3.根据权利要求2所述的方法，其中，所述将所述多个错误标注的数据块中的至少部分数据块调度到复核池，包括：

若所述复核池中的数据块的数量超过第一预设阈值，暂停向所述复核池调度数据块。

4.根据权利要求3所述的方法，其中，所述方法还包括：

若所述训练池中的数据块的数量少于第二预设阈值，从所述缓冲池批量调度数据块到所述训练池。

5.根据权利要求4所述的方法，其中，所述从所述缓冲池批量调度数据块到所述训练池，包括：

确定所述缓冲池中的数据块的训练轮数；

基于训练轮数选取数据块，以及将所选取的数据块调度到所述训练池。

6.根据权利要求5所述的方法，其中，所述方法还包括：

若所述缓冲池为空，将训练完的数据块直接调度到所述训练池。

7.根据权利要求6所述的方法，其中，所述方法还包括：

将训练轮数达到第三预设阈值的数据块移出。

8.根据权利要求1-7之一所述的方法，其中，所述训练数据包括标注文本、标注图像、标注语音和标注视频中的至少一项。

9.一种标注复核装置，包括：

拆分模块，被配置成将训练数据拆分成多个数据块，其中，所述训练数据包括标注文本和标注图像中的至少一项；

调度及训练模块，被配置成将所述多个数据块调度到训练池，以及利用所述训练池中的数据块对模型进行多轮训练；

确定模块，被配置成基于所述模型的输出从所述多个数据块中确定出多个错误标注的数据块，其中，所述错误标注的数据块中包括错误标注的训练数据；

调度及复核模块，被配置成将所述多个错误标注的数据块中的至少部分数据块调度到复核池，以及对所述复核池中的数据块进行标注复核；

训练模块，被配置成利用复核后的数据块继续对所述模型进行训练；

其中，所述训练模块进一步被配置成：

将所述复核后的数据块调度到缓冲池；

将所述缓冲池中的数据块调度到所述训练池；

利用所述训练池中的数据块继续对所述模型进行训练。

10.根据权利要求9所述的装置，其中，所述调度及复核模块还被配置成：

将所述多个错误标注的数据块中的剩余部分数据块调度到所述缓冲池。

11.根据权利要求10所述的装置，其中，所述调度及复核模块进一步被配置成：

若所述复核池中的数据块的数量超过第一预设阈值，暂停向所述复核池调度数据块。

12.根据权利要求11所述的装置，其中，所述装置还包括：

第一调度模块，被配置成若所述训练池中的数据块的数量少于第二预设阈值，从所述缓冲池批量调度数据块到所述训练池。

13.根据权利要求12所述的装置，其中，所述第一调度模块进一步被配置成：

确定所述缓冲池中的数据块的训练轮数；

基于训练轮数选取数据块，以及将所选取的数据块调度到所述训练池。

14.根据权利要求13所述的装置，其中，所述装置还包括：

第二调度模块，被配置成若所述缓冲池为空，将训练完的数据块直接调度到所述训练池。

15.根据权利要求14所述的装置，其中，所述装置还包括：

移出模块，被配置成将训练轮数达到第三预设阈值的数据块移出。

16.根据权利要求9-15之一所述的装置，其中，所述训练数据包括标注文本、标注图像、标注语音和标注视频中的至少一项。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。